含能材料生产系统排产中的瓶颈设备识别方法研究

目的 识别含能材料生产车间中的瓶颈设备,对生产系统作出预警,为排产方案制定以及实际生产工作提供指导,改善生产系统的加工效率.方法 针对传统瓶颈设备识别方法评价指标单一、识别过程复杂的问题,研究一种基于灵敏度分析和逼近理想解排序法(TOPSIS)融合的瓶颈设备识别方法.该算法首先确定作业指标与设备加工量关系的灵敏度矩阵,然后运用逼近理想解排序法,计算设备的综合瓶颈指数,通过比较各设备的综合瓶颈指数,识别出瓶颈设备.结果 采用含能材料生产车间实际数据进行仿真实验,可以在生产系统运行之前识别出系统中的瓶颈设备.结论 通过与其他方法进行对比分析,验证了研究的方法的有效性和优越性.     

双基球扁药工艺优化仿真研究

目的优化双基球扁药成球工艺参数,解决由于目前双基球扁药理论研究不充分、控制模型不明确、生产工艺参数调控依靠人工经验所导致的药品成球后直径、弧厚偏差大的问题。方法利用BP神经网络在处理复杂非线性映射问题上的强大的能力,对成球关键工艺参数与成球质量指标进行建模,并应用成球工艺过程仿真数据对其进行训练,将训练得到的BP神经网络模型用于优化成球工艺参数。同时利用仿真数据进行检验模型的可靠性。结果训练后BP神经网络均方误差为0.001,成球直径误差率为1.27%,成球弧厚误差率为2.08%,成球质量参数误差均很小,可以满足工艺要求。结论该BP神经网络模型具有较高精度,适用于含能材料工艺优化,提出的成球工艺优化方法能有效降低成球试制成本,缩短生产周期。